基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

山东三山岛金矿床流体包裹体特征及其地质意义

三山岛金矿床位于莱州市三山岛—仓上断裂带内,矿石主要为蚀变岩和含金石英脉2种类型。随着胶东金矿床研究的深入和三山岛金矿资源的不断减少,对三山岛金矿床的成矿作用及深部开发前景问题研究具有更重要的意义。针对上述问题,对三山岛金矿床2种类型矿石的成矿流体特征进行对比研究,认为代表成矿早—中期的蚀变岩型矿石形成于中温(均一温度为325～240℃)、低盐度(2.07%～6.88%)、低密度(0.720～0.868g/cm3)、酸碱性不均匀(pH=3.27～10.43)、以氟化物和氯化物为成矿物质载体的还原性流体;代表成矿中—晚期的含金石英脉型矿石形成于中—低温(均一温度为306～160℃)、低盐度(1.05%～9.73%)、低密度(0.739～0.962g/cm3)、碱性(pH=9.25～9.85)、以氯化物和硫化物为成矿物质载体的还原性流体。成矿流体性质的转变反映了成矿流体处于由比较封闭到比较开放的构造环境的转变期,且成矿流体早期以原生岩浆水为主,后期有变质水、大气降水以及海水的参与作用。三山岛金矿成矿深度为2.5～5km,根据目前的开采深度推算其深部还有一定的资源量可供开发。     

基于模糊神经网络的义县萤石成矿预测

成矿预测的模糊综合评判方法中评价因素权重确定时具有较强的人为因素,模糊神经网络方法可以建立在无模型基础上,自动获取输入与输出的关系,在专家确定权重初始值的情况下,通过网络训练确定出最优权重值,这在一定程度上减少了人为因素的影响.应用该方法对义县萤石成矿远景区进行了评价,其评价结果与实际一致.表明该方法可推广到其他区域、其他矿种的预测,但应根据预测对象的实际情况建立控矿因素集和相应的隶属度函数.     

面积平衡法与川东大池干推覆带区域滑脱面预测

本文详细介绍了面积平衡法的原理与方法,并将该方法应用于川东大池干构造的解释。利用面积平衡法,本文预测出在该地区可能有三个较大的区域滑脱面,它们分别位于3.53km处的中三叠统(由石膏、盐岩和泥页岩组成),7.79km处的下寒武统(由页岩、石膏和岩盐层组成),以及8.67km处的下寒武统(由页岩、石膏和岩盐层组成)地层之中。根据以上滑脱面的分析结果,作者认为大池干构造可以解释为滑脱褶皱和断层转折褶皱两种成因模式。在滑脱褶皱模式中,主滑脱面为8.67km处的非能干层;在断层转折褶皱模式中,该地区被认为具有上下两个滑脱面,其上滑脱面为3.53km处的非能干层,而其下滑脱面为7.79km处的非能干层。两种模式所对应的面积深度直线都具有较好的相关性,表明两种构造解释都具有内部岩层一致性,剖面达到平衡,故具有相对的合理性。     

多道瑞利波在矿井独头巷道超前探中的应用

瑞利波超前探测作为一种新的矿井地球物理探测方法,具有简便、快速、经济、分辨率高、适用场地小、应用范围广等优点。介绍了瑞利波探测技术原理,并将其用于煤矿井下独头巷道大距离超前探测中。实例表明,探测距离达80 m以上,条件允许时可达100 m以上。     

基于AHP和BP神经网络的深部地热水可持续开发能力评价

采用资料完整性、开采潜力、回灌量、平均水压下降速率、地面沉降速率、水温、水质、地热井布局8项指标构建天津地热可持续开发能力评价指标体系;运用层次分析法确定了各项指标的权重,建立起评价因素集和评语集,给出了归一化数值;建立了天津地热可持续开发能力的BP神经网络模型,以层次分析法得出的结果作为样本,对BP网络进行了训练和测试,实例评价结果表明了AHP和BP神经网络方法的可行性,为地热资源的可持续开发能力评价提供了一种新的评价方法。     

基于神经网络方法的芦苇叶面积指数遥感反演

提出了一种从TM图像上获取芦苇冠层叶面积指数的方法:首先对芦苇的生长背景进行分类;然后,对不同的背景光谱利用冠层反射率(FCR)模型计算得到查找表;最后,利用实测数据和查找表中的数据作为参数进行BP神经网络模型训练,从而得到芦苇冠层LAI。结果表明,人工神经网络方法有很强的非线性拟合能力,能够消除背景对反演结果的影响,有效提高LAI反演的精度。     

变形分析的神经网络技术应用实例

大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

基于退火BP神经网络的GPS高程转换

阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性。